Utvärdera Random Forest

I den här avslutande övningen utvärderar du resultaten av korsvalidering på en Random Forest-modell.

Följande har redan skapats:

cv – en korsvaliderare som redan har anpassats till träningsdata
evaluator – ett BinaryClassificationEvaluator-objekt och
flights_test – testdata.

Den här övningen är en del av kursen

Maskininlärning med PySpark

Visa kurs

Övningsinstruktioner

Skriv ut en lista över genomsnittliga AUC-värden för alla modeller i parameterrutnätet.
Visa det genomsnittliga AUC-värdet för den bästa modellen. Det är det högsta AUC-värdet i listan.
Skriv ut en förklaring av parametrarna maxDepth och featureSubsetStrategy för den bästa modellen.
Visa AUC-värdet för den bästa modellens förutsägelser på testdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Average AUC for each parameter combination in grid
print(cv.____)

# Average AUC for the best model
print(____(____))

# What's the optimal parameter value for maxDepth?
print(cv.____.explainParam('____'))
# What's the optimal parameter value for featureSubsetStrategy?
print(cv.____.____(____))

# AUC for best model on testing data
print(evaluator.____(____.____(____)))

Redigera och kör kod